محمد عیسی زاده - دانشجوی دکتری، مهندسی منابع آب، دانشکده کشاورزی، دانشگاه تبریز
منیر شیرزاد - دانشجوی کارشناسی ارشد سنجش از دور و gis، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز
مجید رضایی بنفشه - دانشیار، گروه آبوهواشناسی، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز

تبخیر مولفهای اساسی در چرخه هیدرولوژی است و نقش مهمی در مدیریت منابع آب دارد. در این تحقیق عملکرد مدلهای شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در تخمین تبخیر روزانه ارزیابی شده است. دادههای روزانه هواشناسی میانگین دما، سرعت باد، فشار هوا، رطوبت نسبی، بارش، دمای نقطه شبنم، و ساعت آفتابی ایستگاههای سینوپتیک تبریز و مراغه، به منزله ورودی مدلهای ANN و SVM، برای تخمین تبخیر روزانه استفاده شد. نخست ده ترکیب مختلف از هفت ورودی و سپس ورودیهای منفرد به منظور تخمین تبخیر بهکار گرفته شدند. نتایج مدلهای استفادهشده نشان داد که هر دو مدل ANN و SVM عملکرد قابل قبولی در تخمین تبخیر دارند. ارزیابی نتایج استفاده از ورودیهای تکی نشان داد که بهترتیب کاربرد پارامترهای میانگین دما و ساعت آفتابی نسبت به پارامترهای دیگر نتایج بهتری در تخمین تبخیر هر یک از ایستگاهها داشته است. بررسیهای این تحقیق نشان میدهد که اگرچه تفاوت معنیداری بین نتایج سه تابع کرنل ماشین بردار پشتیبان وجود ندارد، تابع کرنل پایه شعاعی در مقایسه با توابع کرنل دیگر از دقت زیاد و عملکرد بهتری در تخمین تبخیر روزانه برخوردار است.

تبریز, تخمین تبخیر, شبکه عصبی مصنوعی, ماشین بردار پشتیبان, مراغه